Система оцінки кредитоспроможності фізичних осіб з використанням методів регресійного аналізу
DSpace at NTB NTUU KPI
Переглянути архів Інформація| Поле | Співвідношення | |
| Title |
Система оцінки кредитоспроможності фізичних осіб з використанням методів регресійного аналізу
|
|
| Creator |
Бакун, Сабіна Антонівна
|
|
| Contributor |
Терентьєв, Олександр Миколайович
|
|
| Subject |
кредитоспроможність
кредитний скоринг логістична регресія метод максимальної правдоподібності загальна точність моделі індекс GINI creditworthiness credit scoring logistic regression method of maximum likelihood common accuracy of the model index GINI 519.226 |
|
| Description |
Магістерська дисертація: 107 с., 32 рис., 32 табл., 5 додатків, 19 джерел. Актуальність теми: в Україні бурхливо зростає ринок споживчого кредитування. Проте, разом з цим, зростає і кількість неповернених кредитів, що наносить досить великі збитки банківським установам. Таким чином, розробка та застосування систем оцінки кредитоспроможності фізичних осіб у процесі прийняття рішення щодо видачі кредиту є актуальними на сьогоднішній день. Мета даної роботи полягає у дослідженні та вдосконаленні існуючих методик побудови скорингових моделей та розробці системи підтримки прийняття рішень для оцінювання кредитоспроможності фізичних осіб з використанням методу логістичної регресії. Об’єктом дослідження є набір статистичних даних щодо наданих банком споживчих кредитів фізичним особам. Методи дослідження: метод логістичної регресії, метод максимальної правдоподібності, метод градієнтного спуску, операції над матрицями. Програмний продукт реалізований за допомогою мови програмування С# у середовищі розробки Microsoft Visual Studio 2012. Для порівняльного аналізу отриманих результатів були побудовані моделі у вигляді дерев рішень і скорингової карти в системі SAS Enterprise Miner. Отримані результати: розроблено систему підтримки прийняття рішень для прогнозування кредитоспроможності фізичних осіб з використанням методу логістичної регресії та методу максимальної правдоподібності. Запропоновано спосіб використання категоріальних даних в регресійних моделях. Theme: “System for evaluating the solvency of individuals using regression analysis methods”. Master's thesis explanatory note: 107 p., 32 fig., 32 tab., 5 appendices, 19 sources. Actuality: the consumer lending market is growing rapidly in Ukraine. However, along with this, the number of unreturned loans is increasing, which causes quite large losses to banking institutions. Thus, the development and application of systems for assessing the creditworthiness of individuals in the process of making a decision on the issuance of a loan are actual for today. The purpose of this work is to study and improve existing methods of constructing scoring models and to develop a decision support system for assessing the creditworthiness of individuals using the method of logistic regression. The object of the study is a set of statistical data on consumer loans provided by the bank to individuals. Methods of research: logistic regression method, maximum likelihood method, gradient descent method, operations on matrices. The software product was implemented using the C# programming language in the Microsoft Visual Studio 2012 development environment. For a comparative analysis of the results were built models as decision trees and scorecard in the SAS Enterprise Miner system. Obtained results: a decision support system was developed for predicting the creditworthiness of individuals using the logistic regression method and the maximum likelihood method. The method of using categorical data in regression models is proposed. |
|
| Date |
2018-07-20T07:18:06Z
2018-07-20T07:18:06Z 2018 |
|
| Type |
Master Thesis
|
|
| Identifier |
Бакун, С. А. Система оцінки кредитоспроможності фізичних осіб з використанням методів регресійного аналізу : магістерська дис. : 124 Системний аналіз / Бакун Сабіна Антонівна. – Київ, 2018. – 127 с.
http://ela.kpi.ua/handle/123456789/23984 |
|
| Language |
uk
|
|
| Format |
127 с.
application/pdf |
|
| Publisher |
Київ
|
|